prop-ai-hr/docs/物业AI人力资源系统开发规格TechSpec.md

物业行业 AI 人力资源系统 · 开发规格(Tech Spec)

版本:v1.4 ｜ 日期:2026-07-03 定位:开发层唯一依据。回答"怎么建"——工程结构、数据表、API 契约、Prompt 规格、集成适配。 v1.1 变更:数据模型对齐《手册》卷1 第9章 HR 主干,补 3 张 backbone 表(职位职责/雇员绩效/雇用终止),新增附录 D 对照表。 v1.2 变更:第 6 章按 Codex 设计评审重写——状态机补异常/终止态、COACH_CHECK 工程化、评分引擎分层(P0 单 LLM / P1 融合)、澄清"单场对练评分 vs 跨期能力画像"两套评分、Prompt 加固 + RAG 硬约束、新增 6.5 P0/P1 切分。 v1.3 变更:Qdrant 作为一期向量索引层落地;SOP 知识库检索升级为 MySQL Fulltext + Qdrant RRF 融合,MySQL/MinIO 仍是事实源。 v1.4 变更:移动端拆为独立 mobile/ Vue/Vite Web/H5 工程,承载员工端、候选人端、主管端;后台管理端继续在 frontend/。 配套:需求见《物业AI人力资源系统业务需求文档BRD》;执行计划见《AI人力资源系统一期MVP版作战清单》。 优先级图例:P0=2026-07-05 MVP 演示必需 · P1=一期必需 · P2=二期/推迟。 决策基线:若依基座 / 集中式前后端分离 / 本地登录 / 公有大模型API / 一期RAG / 组织人员外部同步(MVP 用快照) / 数据范围以项目为主体。

---

1. 技术栈与工程结构

1.1 技术栈

层	选型
后端	Java + Spring Boot 4(若依 RuoYi 后端)
管理端前端	Vue + plus-ui(若依前端,前后端分离)
移动端前端	独立 mobile/ Vue/Vite Web/H5;小程序技术栈后续再定
数据库	MySQL(主数据/事务)+ MinIO(原始文件)+ Qdrant(向量索引)
检索	MySQL Fulltext + Qdrant 混合 RAG(一期);知识图谱 Neo4j(P2)
大模型	公有大模型 API(对话/出题/评分/案例整理)
语音	第三方 ASR(方言:川/粤)+ TTS
部署	集中式,前后端分离,单实例起步(无微服务、无高并发承诺)

1.2 工程结构(若依约定)

backend/
  ruoyi-admin/            # 启动入口
  ruoyi-system/           # 复用:用户/角色/菜单/数据权限
  ruoyi-modules/ruoyi-aihr/ # AI HR 自有业务 API、seed fallback、知识库/RAG/模型配置
  script/sql/aihr_knowledge_mysql8.sql
  script/sql/aihr_model_mysql8.sql
frontend/
  src/views/{index,recruit,train,knowledge,system/model} # 管理端 MVP 页面
mobile/
  src/App.vue             # 员工端/候选人端/主管端 H5 首页

• 复用若依 ruoyi-system 的用户/角色/菜单/数据权限;自有后端 API 集中在 ruoyi-aihr,不要塞回上游 ruoyi-demo。
• 管理端 frontend/ 不承载 /h5/*;移动端通过 5174 独立启动,路由为 /h5/user、/h5/candidate、/h5/supervisor。
• AI 能力先在 ruoyi-aihr 内提供统一接口(对话/评分/转写/生成),便于切换厂商与兜底;后续可按模块拆分。
• 可借助已有的 "codex 若依组件生成 skill" 批量生成 CRUD 骨架。

---

2. 系统模块总览

模块	归属	一期优先级
M1 主数据与同步	支撑	P0
M2 权限与数据范围	支撑	P0
M3 招聘面试(选)	业务	P0(英雄路径A)
M4 上岗/SOP/培训(用)	业务	P1
M5 对练/训练(育)	业务	P0(英雄路径核心)
M6 能力/认证/激励(留)	业务	P1
M7 知识库/案例库(贯穿)	业务	P0(RAG+案例A)
M8 治理/版本/审核	支撑	P1
M9 AI 适配层	支撑	P0
M10 管理驾驶舱/报表	分析	P1

---

3. 数据模型

命名:表 snake_case;主键 id bigint;外部主体统一引用 ext_party_id;审计字段 create_by/create_time/update_by/update_time/del_flag(若依标准)省略未列。有效期用 from_date/thru_date。

3.1 M1 主数据与同步(P0)

表	关键字段	归属	优先级
sync_person(人员快照)	id, ext_party_id(唯一), name, phone, org_unit_id, position_code, status, sync_batch_id	外部同步只读	P0
sync_org_unit(组织树)	id, ext_org_id(唯一), parent_ext_org_id, org_name, org_type(集团/公司/项目), project_type(住宅/公建/景区)	外部同步只读	P0
sync_batch(同步批次)	id, source, mode(full/incr), started_at, finished_at, row_count, status	本地	P0
employment_termination(雇用终止,对齐卷1「雇用终止」;留存/流失分析)	id, ext_party_id, term_date, term_reason, from_sync	外部同步/本地	P1

• 候选人不进 sync_person,见 3.3 candidate。
• 离职/调岗优先用 sync_person.status + 有效期承接;employment_termination 承载显式离职历史。

3.2 M2 权限与数据范围(P0)

表	关键字段	优先级
party_role(本地角色)	id, ext_party_id, role_code(学员/师父/教练/考官/审核员/管理员/HR/面试官), scope_project_ext_org_id, from_date, thru_date	P0
role_perm_mapping(岗位/组织→角色映射)	id, match_type(position/org), match_value, role_code, project_scope	P0
sys_role/sys_menu(若依内置)	复用	P0

• 数据范围以项目为主体:业务表统一带 project_ext_org_id,数据权限按 party_role.scope_project_ext_org_id 过滤(套若依数据权限)。

3.3 M3 招聘面试(选)—— 英雄路径 A

表	关键字段	优先级
candidate(候选人)	id, name, phone, apply_position_code, project_ext_org_id, source, status, hired_ext_party_id(入职后挂钩)	P0
aihr_candidate_material(候选人补充资料)	id, candidate_id, candidate_name, material_type, file_name, file_size, content_type, oss_id, status, create_time	P0
job_requisition(招聘需求)	id, position_code, project_ext_org_id, headcount, jd_text, status	P1
interview_session(面试记录)	id, candidate_id, position_code, mode(voice/text), total_score, ai_summary, status, started_at	P0
interview_question(面试题)	id, session_id, seq, question_text, gen_source(ai/manual), reference_point	P0
interview_answer(作答+打分)	id, question_id, answer_text, answer_audio_url, score, dimension_json, ai_comment	P0

3.4 M4 上岗 / SOP / 培训(用)

表	关键字段	优先级
position_responsibility(职位职责,对齐卷1「职位职责」;SOP 挂载点)	id, position_code, responsibility_text, sop_id	P1
sop_category(SOP 多层分类)	id, parent_id, level(大类/中类/小类/行业), name, code	P1(结构 P0 预留)
sop(SOP 主表)	id, category_id, title, content, version, status, project_type	P1
sop_applicability(适用范围)	id, sop_id, project_type, industry, org_scope	P1
onboard_task(培训任务)	id, ext_party_id, sop_id/course_id, type(岗前/入职), status, assign_by	P1
course / course_enrollment	id, title, type, ...; id, course_id, ext_party_id, progress, status	P1
qualification_gate(上岗资格)	id, ext_party_id, position_code, cert_id, passed, valid_thru	P1

3.5 M5 对练 / 训练(育)—— 核心

表	关键字段	优先级
practice_scenario(对练场景/AI客户人设)	id, scenario_type(投诉/催费/推介/应急), title, persona_json(五维人设), difficulty, sop_ref, rubric_id, project_type	P0
practice_session(对练记录)	id, ext_party_id, scenario_id, mode(voice/text), total_score, trust_curve_json, status, started_at	P0
practice_turn(逐轮对话)	id, session_id, seq, role(customer/trainee/coach), text, audio_url, emotion, coach_hint	P0
practice_score(五维评分)	id, session_id, dim_compliance, dim_emotion, dim_communication, dim_marketing, mentor_rewrite, ai_comment	P0
daily_drill(每日一练)	id, ext_party_id, scenario_id, date, score, status	P1
training_camp(专项训练营)	id, title, theme, days, scenario_ids	P1
mistake_book(错题本)	id, ext_party_id, session_id, cause(知识盲区/话术不当), fix_scenario_id	P1
mentor_assignment(师徒指派)	id, mentor_ext_party_id, apprentice_ext_party_id, scenario_id, status	P1

3.6 M6 能力 / 认证 / Rubric / 激励(留)

表	关键字段	优先级
rubric(评分标准)	id, name, scenario_type, status, version	P0(单条内置)
rubric_dimension(维度+权重)	id, rubric_id, dim_code, dim_name, weight, key_indicators	P0
performance_review(雇员绩效,对齐卷1「雇员表现」;绩效关联锚点)	id, ext_party_id, period, review_type(月度/季度考核), source(training/manual), overall_score, dimension_json, reviewer	P1
competency_assessment(能力评估/雷达图,绩效的可视化扩展)	id, ext_party_id, period, dim_scores_json, radar_snapshot	P1
competency_dim_config(五维权重配置)	id, dim_code(任务完成/话术规范/情绪管理/响应时效/增值转化), weight	P1
certification / cert_rule(认证/规则)	id, ext_party_id, level(初/中/高), ...; id, level, condition_json	P1
incentive_point / badge(积分/勋章)	id, ext_party_id, points, source; id, code, name	P1

3.7 M7 知识库 / 案例库(贯穿)—— 含英雄路径 B

表	关键字段	优先级
aihr_knowledge_info(知识库元数据)	id, tenant_id, name, description, retrieve_limit, enable_hybrid, system_prompt	P0 已落
aihr_knowledge_attach(知识库附件/文档)	id, knowledge_id, doc_id, name, type, status	P0 已落，支持同名上传替换
aihr_knowledge_fragment(知识片段)	id, knowledge_id, doc_id, idx, content, embedding_json, embedding_model, embedding_time, FULLTEXT(content)	P0 已落，txt/md/PDF/Word/Excel/PPT 可解析入库，可写 embedding；Qdrant 只存向量索引和最小 payload
case(案例主表,脱敏)	id, title, raw_audio_url, transcript, ai_summary, curated(是否入选), project_ext_org_id, status	P0
case_tag(多维标签)	id, case_id, dim(业务类型/紧急/业主画像/情绪/渠道), value	P1
case_video(案例视频/样片)	id, case_id, video_url, is_sample	P1(MVP样片)

3.8 M8/M9 治理 · 版本 · 集成日志

表	关键字段	优先级
review_task(审核任务)	id, target_type(case/knowledge/话术), target_id, reviewer, status, decision	P1
content_version(版本留痕)	id, target_type, target_id, version, diff, change_by	P1
llm_call_log(大模型调用/成本)	id, module, model, tokens_in, tokens_out, cost, latency_ms, created_at	P1(成本闸门G6)
asr_config(语音配置)	id, vendor, dialect, endpoint, enabled	P0

---

4. 页面与路由清单(前端)

P0 页面需真跑通或壳可点开;英雄路径页面必须真跑通。

路由	页面	优先级
/login	本地登录	P0
/index	首页/管理驾驶舱(壳)	P0壳
/recruit/interview	AI 面试(英雄路径A:出题→作答→打分)	P0跑通
/recruit/candidates	候选人列表	P1
/train/practice	三角色对练(英雄路径核心)	P0跑通
/h5/user	员工端首页，手机号登录后可“开始训练”并同步主管待复盘计数	P0跑通
/h5/candidate	候选人端首页，手机号登录后可面试练习、查岗位 SOP/案例、上传补充资料	P0跑通
/h5/supervisor	主管端首页，查看团队、待复盘、案例/SOP 工具	P0跑通
/train/daily	每日一练	P1
/train/camp	专项训练营	P1
/train/mistakes	错题本	P1
/knowledge/sop	SOP 库(住宅类检索→引用→训练题)	P0跑通
/knowledge/cases	案例库(英雄路径B:语音上传→整理)	P0跑通
/knowledge/processing	资料处理(解析状态、处理链路、浏览器/服务端导入)	P1已提前落地
/system/model	模型配置(供应商 Key/Base URL/模型启停/测试、向量库状态与重建)	P1已提前落地
/competency/radar	能力雷达图	P1
/competency/cert	认证/激励	P1
/onboard/tasks	上岗培训任务	P1
/admin/*	权限/角色/同步/Rubric 配置	P0壳

---

5. API 契约

统一响应信封:{ code, msg, data }(若依风格)。以下英雄路径详写,其余按 CRUD 惯例。 当前本地 MVP 先用 API + fallback 跑通 /recruit/interview、/train/practice、/knowledge/cases、/knowledge/sop 页面流;SOP 知识库已接 aihr_knowledge_fragment MySQL Fulltext 检索、Qdrant 向量召回、txt/md/PDF/Word/Excel/PPT 上传解析和 embedding 写入。 API 对接顺序见 docs/API_INTEGRATION.md;面试、对练、案例仍以 seed service 为主，SOP/模型配置已建最小表。

5.1 英雄路径 A:AI 面试(P0)

POST /api/recruit/interview/start
  req:  { candidateId, positionCode, mode }
  resp: { sessionId, questions:[{questionId, seq, questionText}] }   // AI 依岗位出题

POST /api/recruit/interview/answer
  req:  { questionId, answerText? , answerAudioUrl? }                 // 语音先经 5.4 转写
  resp: { score, dimensions:{...}, aiComment }

POST /api/recruit/interview/finish
  req:  { sessionId }
  resp: { totalScore, aiSummary, records:[...] }

POST /api/aihr/mobile/candidate/materials
  req:  multipart file + candidateId + candidateName + materialType
  resp: { id, ossId, fileName, materialType, fileSize, status, time }

GET /api/aihr/mobile/candidate/materials?candidateId=
  resp: [{ id, ossId, fileName, materialType, fileSize, status, time }]

GET /api/aihr/hr/candidate/materials?status=
  resp: [{ id, candidateId, candidateName, ossId, fileName, materialType, fileSize, status, time }]

POST /api/aihr/hr/candidate/materials/{id}/review
  req:  { status }  // 待审核 / 已通过 / 已驳回
  resp: { id, candidateId, candidateName, ossId, fileName, materialType, fileSize, status, time }

候选资料上传使用移动端登录返回的 Authorization 与 clientid；文件先经 sys_oss/MinIO 持久化，再写 aihr_candidate_material 关系行，默认状态 待审核。

5.2 英雄路径核心:三角色对练(P0)

POST /api/train/practice/start
  req:  { extPartyId, scenarioId, mode }
  resp: { sessionId, opening:{ customerText, customerAudioUrl }, persona }  // AI客户开场

POST /api/train/practice/turn
  req:  { sessionId, traineeText? , traineeAudioUrl? }
  resp: { customerText, customerAudioUrl, emotion, trust, coachHint? }      // 客户回应+教练微提示

POST /api/train/practice/finish
  req:  { sessionId }
  resp: { score:{ compliance, emotion, communication, marketing }, mentorRewrite, aiComment, trustCurve }  // 考官评分

移动端员工训练闭环复用同一组三角色对练接口。员工端请求必须带手机号登录返回的 Authorization 与 clientid，start 传 mode=mobile；finish 后写入 aihr_practice_session，并刷新 /api/aihr/mobile/home/supervisor 的完训人数与“待复盘对练”计数。员工端训练历史查 GET /api/aihr/mobile/practice/history，主管端复盘列表查 GET /api/aihr/mobile/practice/reviews，复盘详情查 GET /api/aihr/mobile/practice/reviews/{id}，标记已复盘用 POST /api/aihr/mobile/practice/reviews/{id}/reviewed，能力画像查 GET /api/aihr/mobile/profile。当前只落 session 汇总表，并用 dialogue_json 保存本场话术；不拆 practice_turn/practice_score，需要逐轮复盘明细、人工点评留痕或多次复盘记录时再拆表。

5.3 英雄路径 B:案例语音上传→整理(P0)

POST /api/knowledge/case/upload      req: { audioFile, projectExtOrgId }   resp: { caseId, transcript }
POST /api/knowledge/case/organize    req: { caseId }                        resp: { aiSummary, tags[] }
POST /api/knowledge/case/curate      req: { criteria, limit }               resp: { selectedCaseIds[] }   // 从多案例筛选

5.4 AI 适配层(P0)

POST /api/ai/chat        req:{ system, messages, model? }  resp:{ text, usage }
POST /api/ai/asr         req:{ audioUrl, dialect }         resp:{ text }
POST /api/ai/tts         req:{ text, voice }               resp:{ audioUrl }
POST /api/ai/score       req:{ rubricId, dialogue }        resp:{ dimensions, comment }

5.5 支撑接口

• 同步:POST /api/sync/pull(拉取组织人员,MVP 可读快照文件)
• 知识检索(RAG):POST /api/knowledge/search → { queryText, category, answer, reference, docs[], snippets[], training[], records[] }
• 知识上传解析:POST /api/knowledge/doc/upload → multipart/form-data { file, category }，支持 .txt/.md/.markdown/.pdf/.doc/.docx/.xls/.xlsx/.ppt/.pptx、100MB 内；先落 sys_oss 并绑定 aihr_knowledge_attach.oss_id，返回 { docId, ossId, fileName, category, fragments, snippets[] }；管理端上传请求 timeout 为 180s。
• 服务端目录导入:POST /api/knowledge/doc/import-local-task → { directory, category, limit }，只允许读取 AIHR_IMPORT_ROOT / aihr.import.root 下的相对目录，写入后台导入任务并逐文件复用上传解析链路；GET /api/knowledge/doc/import-tasks 返回任务进度列表；POST /api/knowledge/doc/import-tasks/{id}/cancel 取消运行中任务；POST /api/knowledge/doc/import-local 保留同步调试。
• 资料处理状态:GET /api/knowledge/processing/overview → 聚合附件状态、片段数、向量化状态、分类、处理链路和事件列表。
• 片段向量化:同一上传接口在 category=vector 模型配置可用时调用 OpenAI-compatible /embeddings，写入 embedding_json/embedding_model/embedding_time，并尽力 upsert 到 Qdrant；未配置或 Qdrant 不可用不阻塞上传。
• 向量库状态与重建:GET /api/knowledge/doc/vector-index-status 返回当前 vector 模型维度、Qdrant collection 维度、点数和片段向量数；POST /api/knowledge/doc/rebuild-vector-index 清空旧 embedding、删除 collection，并按当前 vector 模型重建。外部 embedding 成功但 Qdrant 维度不一致时不降级为本地 hash。
• 混合检索:POST /api/knowledge/search 先查 MySQL Fulltext，同时在 vector 模型和 Qdrant 可用时生成 query embedding 走 Qdrant，最后按 RRF 融合并回 MySQL hydrate 片段；Qdrant 不存正文事实源。
• Rubric 配置:/api/competency/rubric/** CRUD

---

6. 核心自建组件规格(无框架可复用,最关键)

本章 v1.2 已按 Codex 设计评审重写:核心原则——P0 做「确定性会话编排 + 单 LLM 结构化评估」,P1 再上多模型融合与后台配置。三角色对外表现为 AI客户/AI教练/AI考官,内部先做成一个后端编排器,少写代码跑通演示闭环。

6.1 三角色对练状态机

状态(含异常/终止,不只 happy path):

INIT → WAITING_INPUT → PROCESSING → WAITING_INPUT(loop) → FINISHED
                                   ↘ CANCELED / EXPIRED / FAILED

• finish_reason ∈ {completed, user_exit, max_turns, timeout, error}(结束原因用枚举,不为每种情况新增状态类)。
• 固定 max_turns = 4~6;满足任一即结束:用户点"结束并评分"、达最大轮次、客户诉求解决、超时。前端必须有"结束并评分"按钮。

每轮 turn 生成顺序(固定,不可乱):

收学员输入 → COACH_CHECK(卡壳/偏差判定) → 更新 trust/emotion → 生成客户下一句 + coachHint → 写 practice_turn

⚠️ 每轮只做轻量 checker + 客户回应,不跑完整评分;评分只在 /finish 一次性做(见 6.3)。

COACH_CHECK 工程化判定:

• 卡壳 = 规则判定(P0,不上模型):空输入 / 超时 / 过短句 / 重复"不知道·嗯" / ASR 失败。
• 流程偏差 = LLM checker:输出 { needHint, reasonCode, missingSopIds, hint }。P0 不上语义相似模型。

信任度闭环:每轮只更新一次 trust = clamp(trust + delta, 0, 1),delta ∈ [-0.15, 0.15] 来自 checker JSON。传给客户 prompt 的是"低/中/高信任"档位,不传裸浮点(更稳)。

6.2 AI 客户人设(persona_json)

在五维基础上,补场景收口与信息边界字段,否则 AI 客户会自曝隐性动机或替管家解决问题。

{
  "basic":    { "identity":"独居退休教师", "relation":"子女在国外", "environment":"楼上噪音困扰" },
  "style":    { "trait":"急躁/温和", "language_fingerprint":"说话慢、爱重复、爱反问" },
  "motive":   { "explicit":"咨询停车费", "hidden":"投诉邻居乱停、试探物业态度", "logic":"" },
  "cognition":{ "knows":[], "unknowns":[], "bias":"认为物业只收钱不办事" },
  "dynamic":  { "init_emotion":"烦躁", "triggers":{"anger":"被敷衍","pleased":"被重视"}, "trust_init":0.3 },

  "opening":            "开场第一句业主话",
  "success_condition":  "本场诉求被满足的判定",
  "forbidden_reveal":   ["隐性动机不得主动自曝", "信任<中 不透露真实诉求"],
  "escalation_triggers":["被敷衍→升级愤怒"],
  "allowed_facts":      ["仅可引用的事实/SOP要点ID"],
  "max_turns": 6
}

6.3 评分引擎(分层:P0 单 LLM / P1 融合)

⚠️ 澄清两套评分(此前易被当成矛盾):

• 单场对练评分(每场一次):4 维 —— 合规与完整度、情感应变力、沟通有效性、营销敏感性;外加导师润色版(不是评分维度,是话术重写对比)。
• 能力画像(跨期加权,BRD 4.5):5 维加权 —— 任务完成度40% / 话术规范性25% / 情绪管理20% / 响应时效10% / 增值转化5%。由多场对练评分聚合而来,不是同一层。

P0(2026-07-05 MVP 演示):单 LLM 考官一次性出结构化分

• 输入 dialogue + rubric + sop_points + persona,输出固定 JSON;不做多模型融合。
• 防漂移:固定模型 + temperature=0 + 固定 prompt_version;首次评分后缓存 practice_score,刷新不重算;分数用档位锚点 60/75/90 减少小数漂移。
• 可验收的可解释:JSON 必带证据 —— evidence_turn_ids、hit_sop_point_ids、missed_sop_point_ids、rewrite_before/after;无证据的理由不展示。
• Rubric:P0 用一条内置 seed JSON;后台 CRUD 只做壳。

P1(一期):再拆多模型融合

• SOP 关键点覆盖检测 + 语义相似 + 情感/语音特征融合;Rubric 后台可配置 + 版本 + 启停;一致率校准集 + 人工评审流程。

一致率验收口径:≥70% 指分档一致(非原始分一致),档位建议 <60 / 60–74 / 75–89 / ≥90,用 ≥20 段样本对人工基准评估——是一期目标,不是 2026-07-05 MVP 演示目标;2026-07-05 只验端到端 + 结构化输出。

6.4 Prompt 规格(实际入 hr-ai 模板库,均需后端兜底)

• AI 客户(system prompt 强约束 + 2 个 few-shot):你只扮演业主本人,只输出一句业主的话。禁止:提及系统/人设/评分/SOP;替管家给解决方案;主动自曝隐性诉求(仅当信任度达"高"或被直接问到才可透露)。保持 language_fingerprint。当前情绪={emotion},信任={低/中/高}。
• AI 教练(后端强制):对照 SOP 关键步骤 {sop_points} 与学员本轮 {trainee_text}。仅当卡壳或漏关键步骤时,返回一句 ≤20 字的方向性提示(如"先安抚,再确认诉求"),不得给具体答案;否则返回空。 → 后端 schema 校验:超 20 字重试一次,再失败用固定兜底提示。
• AI 考官(模型原生 structured output):字段固定 { dimensions[], total, mentorRewrite, summary, risks, evidence_turn_ids, hit_sop_point_ids, missed_sop_point_ids, unsupported_claims };禁 markdown 代码块;解析失败只重试一次,再返回兜底分。
• 面试出题:应聘岗位 {position},生成 {n} 道结构化面试题,含考察点 reference_point。
• 案例整理:将转写 {transcript} 整理为 背景/处理/结果/亮点;脱敏业主个人信息;打多维标签(业务类型/紧急/业主画像/情绪/渠道)。
• RAG 硬约束(控幻觉):prompt 传 sop_context(带 ID);未命中的政策/金额/时限不得编造,只能说"需核实";考官只按给定 sop_points 判分,并输出 unsupported_claims。

6.5 三角色 P0 / P1 最小切分

• P0(2026-07-05 MVP 演示必须):1 场景 × 1 人设 × 1 套 SOP × 1 套 rubric;文本端到端先跑通,语音作为外层 ASR/TTS,失败降级文本;/start /turn /finish 三接口闭环;每轮轻量 checker + 客户回应;/finish 单 LLM 出结构化分;固定 max_turns + 手动结束 + 评分缓存展示。
• P1(一期):Rubric 后台配置与版本;SOP 覆盖/语义/情绪融合;一致率校准集 + 人工评审;多场景/多 persona/动态难度/错题本/能力画像沉淀;LLM 调用日志/成本/prompt 版本/失败重试。

---

7. 集成适配层

集成	接口/做法	MVP 兜底	优先级
组织人员同步	hr-sync 拉取采购系统 API → 写 sync_*	读静态快照文件	P0
登录/SSO	管理端用若依本地账号；移动端用手机号短信登录，验证码通过后自动注册 app_user	SSO 不做	P0(SSO=P2)
权限映射	role_perm_mapping 规则引擎	手工配置	P0
大模型	hr-ai/chat 封装公有 API	—	P0
ASR/TTS	hr-ai/asr,tts 封装第三方(方言)	1 家 1 条路径	P0
视频生成	案例视频	预渲染样片	P1(样片P0)
企微/钉钉/工单	只留接口占位	不实现	P2

---

8. 权限与数据范围

• 认证:管理端使用若依本地账号；移动端使用短信验证码登录，不存在的手机号自动注册 app_user；SSO 预留 hr-sync 对接点(P2)。
• 授权:role_perm_mapping 把外部岗位/组织映射到本地 role_code。
• 数据范围以项目为主体:所有业务查询套若依数据权限,按 party_role.scope_project_ext_org_id 过滤;主管只见本项目数据。

---

9. 非功能与部署

• 部署:集中式,前后端分离,单实例起步;不承诺高并发(明确)。
• 性能目标:语音对练单轮响应 ≤ 5 秒(ASR+LLM+评分)。
• 合规(生产前闸门,非一期功能):业主 PII + 员工数据 脱敏/审计;大模型出境评估(G3/G6);AI 分辅助参考不决定绩效/招聘(G1/G2)。
• 成本:llm_call_log 记录用量,设月度上限与降级策略(G6)。

---

10. 实现优先级与里程碑(对齐 MVP 切割线 / 施工单)

10.1 P0(2026-07-05 MVP 演示必需)

• 工程骨架 + 本地登录 + 数据权限(M1/M2)
• AI 适配层:chat / asr / tts / score(M9)
• 英雄路径至少 1 条真跑通:A 面试打分 或 对练 或 B 案例整理(建议至少含对练或面试)
• 住宅类 SOP 入库 + RAG 检索(M7 P0 表)
• 案例语音上传→整理(可与对练二选一精做)
• 全功能点前端壳可点开
• 组织人员快照 + Rubric 单条内置

10.2 P1(一期)

• M4 上岗/SOP 多层分类完整、M6 能力雷达+认证+激励、M5 每日一练/训练营/错题/师徒、M7 标签/视频、M8 审核/版本、M10 驾驶舱、llm_call_log 成本。

10.3 P2(二期)

• 知识图谱(Neo4j)、原生 APP、玉溪 Agent 化、企微/钉钉深度集成、SSO、实时同步、多项目类型(公建/景区)。

---

附录:表 → 模块 → 优先级速查

优先级	表
P0	sync_person, sync_org_unit, sync_batch, party_role, role_perm_mapping, candidate, aihr_candidate_material, interview_session, interview_question, interview_answer, practice_scenario, practice_session, practice_turn, practice_score, rubric, rubric_dimension, knowledge_doc, knowledge_chunk, case, asr_config
P1	job_requisition, sop_category, sop, sop_applicability, onboard_task, course, course_enrollment, qualification_gate, daily_drill, training_camp, mistake_book, mentor_assignment, competency_assessment, competency_dim_config, certification, cert_rule, incentive_point, badge, case_tag, case_video, review_task, content_version, llm_call_log
P2	知识图谱相关、SSO、企微/钉钉集成表

说明:字段清单为落地起点,DDL(主外键、唯一约束、索引、导入顺序)可据此一键生成;三角色/评分/Prompt 为核心自建,严格按第 6 章实现。

---

附录 D:卷1 第9章 HR 主干实体对照与补全

目的:把本 TechSpec 数据模型对齐《数据模型资源手册》卷1 第9章「人力资源模型」权威实体,诚实标注哪些是手册原生 backbone、哪些是本系统领域扩展、哪些手册有但一期不做。依据:卷1笔记 §4.8 + 附录权威字典 v7 实测。

D.1 卷1 第9章 HR 权威实体全谱系(16 个 · 手册原文)

雇用 EMPLOYMENT · 职位 POSITION · 职位类型 POSITION TYPE · 职位职责 POSITION RESPONSIBILITY · 职位履行情况 POSITION FULFILLMENT · 职位状态 · 招聘组织 · 报告关系 · 工资级别 PAY GRADE · 支付历史 PAY HISTORY · 福利 BENEFIT · 工资册信息 PAYROLL · 求职申请 JOB APPLICATION · 雇员技能与资格 SKILL/QUALIFICATION · 雇员表现(绩效)PERFORMANCE REVIEW · 雇用终止 TERMINATION

附录 v7 字典佐证(属性条数):EMPLOYMENT 102、POSITION 60、EMPLOYEE 60、BENEFIT 49、SKILL 28、TERMINATION 20、SALARY 8、PAY GRADE 6、QUALIFICATION 5、TRAINING 4、PAY HISTORY 4、PAYROLL 2。

D.2 对照:手册实体 → TechSpec 表

卷1 HR 实体	TechSpec 表	状态
雇用 / 职位履行	sync_person(任职,外部同步)	✅ 已覆盖
职位 / 职位类型	sync_person.position_code + sop_category	✅
职位职责	position_responsibility	➕ 本次补
报告关系	sync_org_unit(组织树)	✅ 同步
求职申请 JOB APPLICATION	candidate / job_requisition	✅(命名已对齐)
雇员技能 SKILL	rubric/skill/competency_*	✅
资格 QUALIFICATION	certification / cert_rule	✅
雇员表现(绩效)	performance_review	➕ 本次补(原缺!)
雇用终止 TERMINATION	employment_termination	➕ 本次补
工资级别/支付历史/福利/工资册	—	⛔ 一期不做(薪酬非本系统职责)

D.3 本系统的领域扩展(手册无,属 AI 陪练特有)

诚实更正:此前口头曾说"面试记录/offer/课程/学习记录/考核/测评雷达图/认证 卷1 本来就有"——部分说过头了。手册 HR 章真正有的是:求职申请、技能、资格、雇员表现(绩效)、雇用终止。以下属本系统领域扩展,手册并无现成实体、也不应有,需自建:

• 面试 AI 出题/作答/打分(interview_question/interview_answer)——JOB APPLICATION 只到"申请",无 AI 面试评分
• 三角色对练 / 五维评分(practice_*)
• 课程 / 学习记录 / 每日一练 / 训练营 / 错题(course/daily_drill/…)——手册无 e-learning 模型
• 能力雷达图(competency_assessment)——「雇员表现」的可视化扩展
• 认证等级规则(cert_rule)——QUALIFICATION 的规则化扩展

D.4 结论

• 补齐动作(v1.1 已落): 新增 performance_review(绩效)、position_responsibility(职位职责)、employment_termination(雇用终止)三张 backbone 表;candidate/skill/certification 明确对齐手册 JOB APPLICATION / SKILL / QUALIFICATION。
• 绩效关联(BRD 4.5 / 闸门 G1)由此有了正式锚点:训练/考核结果写入 performance_review,再挂钩(辅助参考,人可否决)。
• 薪酬/福利/工资册明确划出一期(本系统不承担 HR 薪酬)。
• 领域扩展表(对练/评分/课程/AI 面试)为合法自建,不因手册未收录而缺失。